Dans le cours : Créer des agents IA avec LangChain et LlamaIndex

Accédez à ce cours grâce à un essai gratuit

Inscrivez-vous aujourd’hui pour accéder à plus de 24 600 cours dispensés par des experts.

Exploiter les RAG avec LlamaIndex

Exploiter les RAG avec LlamaIndex

Dans le cours : Créer des agents IA avec LangChain et LlamaIndex

Démarrer mon mois d’essai gratuit Acheter pour mon équipe

Exploiter les RAG avec LlamaIndex

“

Nous allons maintenant tester notre application créée avec LlamaIndex. Mais avant, regardons les différences entre cette application créée avec LlamaIndex avec la même application mais créée avec LangChain. Comme je l'ai mentionné précédemment, la différence principale réside dans, surtout, la configuration des embeddings. Je trouve qu'avec LlamaIndex, le fait de dire que tout ce qui est configuration, on le met dans Settings, rend les choses un peu plus intuitives que dans LangChain, lorsqu'ici, quand on regarde on va utiliser un text_splitter. En effet, c'est un objet qui est dédié au traitement de texte pour dire à LangChain comment splitter les différentes parties du texte, pour ensuite faire les embeddings, mais le nom de cette classe et le package dont elle est issue ne font pas forcément penser à la configuration des embeddings. Bien sûr, il y a une logique dans LangChain, c'est que nous aurons groupé dans langchain text_splitter, nous aurons groupé plusieurs splitters du…

Table des matières